Txing

C++ 基础背景介绍

本文尝试将一个 joint prediction problem 解耦为多个 marginal prediction problems，将轨迹交互的车辆作为pair进行考虑，然后使用marginal轨迹预测模型和条件预测模型获得轨迹的联合的似然度。

在Github Page上搭建Blog主要有两种主流方案，一种基于Jekyll，另一种基于Hexo，本文将对其进行介绍。

将Python模型转换到onnx再部署到高通平台的踩坑记录

本文是MTR的变体，主要提出了一个使用motion query pair的transformer多模态轨迹预测框架，联合优化了意图位置和迭代运动微调；

通过使用稠密的候选目标方式（density of goal candidates）可以使得预测变得高效。本文提出了Motion TRansformer (MTR)框架，将运动预测变为“全局意图定位的联合优化”和“局部运动精调”两个任务。

人类行为自然地具有多模态和不确定性的特性，通过给定过去的轨迹和环境信息，可以预测出看似合理的未来轨迹，这个任务称为 MTP 任务（multimodal trajectory prediction）。本文针对这一方向进行了调研，对研究、框架、数据集、指标进行了分类。

2021最好的预测算法。在实际的自动驾驶中，预测多模态的可能轨迹是重要的问题。waymo提出的本文模型采用multipath结构，并重访问选择的轨迹。